本發(fā)明公開(kāi)了一種喀斯特植物葉片全磷含量無(wú)損監(jiān)測(cè)方法。采集植物葉片的光譜反射率數(shù)據(jù)和測(cè)定對(duì)應(yīng)植物葉片的全磷含量，運(yùn)用分?jǐn)?shù)階微分技術(shù)對(duì)光譜反射率進(jìn)行預(yù)處理，將預(yù)處理的數(shù)據(jù)與植物葉片的全磷含量數(shù)據(jù)進(jìn)行皮爾遜(Pearson’s)相關(guān)性檢驗(yàn)，剔除相關(guān)性不顯著的光譜波段，將傳統(tǒng)回歸分析方法與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合，建立人工智能模型；模型建好后，將光譜反射率數(shù)據(jù)輸入到人工智能模型中反推出相應(yīng)植物葉片的全磷含量。本發(fā)明相比于實(shí)驗(yàn)室化學(xué)提取植物葉片全磷的方法，本方法不僅速度快而且對(duì)葉片本身無(wú)傷害，此外，相較于傳統(tǒng)回歸模型(如偏最小二乘回歸模型(PLSR))，預(yù)測(cè)精度約提高30%。